一、第一层：从堆代码到搭系统1.数据是怎么进入知识库的？2.用了什么样的分块策略？3.索引更新机制如何保证？4.检索精排是怎么设计的？二、第二层：从能检索到会优化1.混合检索在语义检索之外，引入关键词召回（BM25),融合两种结果，既保留语义理解，又能精确匹配术语。2.两阶段检索用向量召回快速找Top50，再用 Cross - Encoder 做精排，取Top5。这就是成熟 RAG 的"标配"架构。3.查询理解用小模型或提示词自动扩展 Query三、第三层：从能回答到能推理1.长上下文优化（ Long Context )做成一个"小型知识总结助手" Demo ，就非常有竞争力。2．强化学习（ RL )在 RAG 上叠加轻量 RL 流程，根据反馈信号调整 Reranker 或 Prompt 策略。3．多模态融合（ Multimodal RAG )尝试接入图像或表格内容。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

🏢部门情况：我们是字节跳动Flow-AIDP前端团队，深度参与字节跳动 AI 数据管理、模型训练、Agent应用的基础设施团队。目前实习、校招、社招HC均十分充裕，组内直招，反馈超快。有转正机会，满足实习要求基本都可以答辩通过~💻招聘岗位：Web前端工程师🌟内推码：5UJF23C。投递链接：https://job.toutiao.com/s/GK9xfWdnu9k

经各位大佬指点改出的第二版上一份简历投了四五天还没约上一个面这就是双非的命？🤡

一、引言 又到了一年一度的年终复盘时刻。 复盘，从来不只是回看已经发生的事情，更重要的是——为尚未发生的未来，提前铺路、校准方向。 回望 2025 年，其实很长一段时间里，我始终没有真正找到自己的方向。工作之外，谈不上热爱，也谈不上笃定，只是在惯性中前行。 直到 2025 年的尾声，才终于看清了一些东西：哪些是必须坚持的，哪些是可以放下的，也逐渐摸索出几条更属于自己的路径。这一年，并非突然开悟，而是反复碰壁后的沉淀与取舍。 依旧按照惯例，沿着时间的轨迹，回到 2025 年的起点，梳理这一整年里的得与失、进与退，也为下一阶段的自己，留下些什么。 二、技术（AI驱动）  2025 年，是 AI 加...